[發(fā)明專利]一種實(shí)時(shí)在線飛行器AI神經(jīng)網(wǎng)絡(luò)系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910357020.7
• 申請(qǐng)日: 2019-04-29
• 公開（公告）號(hào): CN110135561A
• 公開（公告）日: 2019-08-16
• 發(fā)明（設(shè)計(jì)）人: 張英;王世會(huì);韋閩峰;王嘉賢;高曉穎;趙雄波;楊喆;鄭文娟;陳偉;周輝;吳松齡;秦東輝;李毅;郭城;王婧;曹健;張興;張繼生;蔡燕斌;汪冬瑾;江存勝;劉建敬;趙一飛;戚紅向;馬征;趙星宇;孫德勝;楊俊峰;司文杰;黃如意;呼吁;王琦;陳紅巖;周華;韓利軍;楊廣慧;馮麗;許琦;李悅;張輝;李曉東;李德強(qiáng);野超
• 申請(qǐng)（專利權(quán)）人: 北京航天自動(dòng)控制研究所;中國運(yùn)載火箭技術(shù)研究院
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 馬全亮

一種實(shí)時(shí)在線飛行器AI神經(jīng)網(wǎng)絡(luò)系統(tǒng)，包括卷積定點(diǎn)滑動(dòng)IP核、池化壓縮量化IP核以及全連接壓縮融合IP核。共i+1層，每個(gè)卷積定點(diǎn)滑動(dòng)窗口IP核和池化壓縮量化核結(jié)構(gòu)相同。其中，傳感器信號(hào)1為對(duì)于飛行器優(yōu)先級(jí)最高的主慣導(dǎo)數(shù)據(jù)，它單獨(dú)輸入一個(gè)單元網(wǎng)絡(luò)層在第二次卷積時(shí)需控制1至i+1層的輸入。飛行器異構(gòu)傳感器數(shù)據(jù)，作為系統(tǒng)的輸入；辨識(shí)結(jié)果作為系統(tǒng)的輸出。卷積滑動(dòng)窗口IP核，通過排除冗余數(shù)據(jù)的滑動(dòng)窗快速實(shí)現(xiàn)數(shù)據(jù)特征的提取；池化壓縮量化IP核，使用壓縮量化技術(shù)，提高系統(tǒng)執(zhí)行效率；全連接壓縮融合IP核，經(jīng)刪減量化后壓縮融合，輸出滿足飛行器實(shí)時(shí)飛行過程中對(duì)大量異構(gòu)輸入數(shù)據(jù)的高可靠性、低功耗智能集成處理需求。

技術(shù)領(lǐng)域

本發(fā)明涉及一種實(shí)時(shí)在線飛行器AI神經(jīng)網(wǎng)絡(luò)系統(tǒng)。

背景技術(shù)

隨著人工智能技術(shù)的不斷發(fā)展，基于人工智能技術(shù)的飛行器控制成為研究的熱點(diǎn)問題。其具有強(qiáng)大的處理非線性和自學(xué)習(xí)以及并行運(yùn)算的能力，在復(fù)雜非線性系統(tǒng)的控制方面有很大的優(yōu)勢(shì)。其中，神經(jīng)網(wǎng)絡(luò)技術(shù)代表了一種新的方法體系，其以分布式的方式存儲(chǔ)信息，利用網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和權(quán)值分布實(shí)現(xiàn)非線性映射，并利用全局并行處理實(shí)現(xiàn)從輸入空間到輸出空間的非線性變換，從而實(shí)現(xiàn)對(duì)飛行器復(fù)雜系統(tǒng)的智能控制。

現(xiàn)有神經(jīng)網(wǎng)絡(luò)系統(tǒng)難以突破飛行器的實(shí)時(shí)在線需求。飛行器飛行速度快，要求在毫秒級(jí)時(shí)間內(nèi)實(shí)現(xiàn)辨識(shí)輸出，在完成大數(shù)據(jù)吞吐同時(shí)，要求系統(tǒng)運(yùn)算的功耗低。現(xiàn)有技術(shù)通過較大的網(wǎng)絡(luò)規(guī)模，使用復(fù)雜代碼完成卷積、池化和全連接層連接結(jié)構(gòu)，未能對(duì)輸入優(yōu)先級(jí)最高的主慣導(dǎo)數(shù)據(jù)有效處理，無法滿足時(shí)在線飛行器AI神經(jīng)網(wǎng)絡(luò)系統(tǒng)的需求。

發(fā)明內(nèi)容

本發(fā)明的技術(shù)解決問題是：克服現(xiàn)有技術(shù)的不足，提供了一種實(shí)時(shí)在線飛行器AI神經(jīng)網(wǎng)絡(luò)系統(tǒng)。該系統(tǒng)是一種智能實(shí)時(shí)處理系統(tǒng)，有效的解決了實(shí)時(shí)飛行過程中對(duì)大量異構(gòu)輸入數(shù)據(jù)的高可靠性、低功耗智能集成處理需求。

本發(fā)明的技術(shù)解決方案是：

一種實(shí)時(shí)在線飛行器AI神經(jīng)網(wǎng)絡(luò)系統(tǒng)，包括i+1層神經(jīng)網(wǎng)絡(luò)單元，每層神經(jīng)網(wǎng)絡(luò)單元均包括若干交替進(jìn)行的卷積定點(diǎn)滑動(dòng)IP核和池化壓縮量化IP核，卷積定點(diǎn)滑動(dòng)IP核對(duì)輸入的數(shù)據(jù)進(jìn)行卷積處理，池化壓縮量化IP核進(jìn)行降低數(shù)據(jù)率處理以及特征提取；外部輸入的第一路傳感器信號(hào)對(duì)應(yīng)飛行器優(yōu)先級(jí)最高的主慣導(dǎo)數(shù)據(jù)，單獨(dú)輸入一層神經(jīng)網(wǎng)絡(luò)單元中，經(jīng)過該層神經(jīng)網(wǎng)絡(luò)單元中第一個(gè)卷積定點(diǎn)滑動(dòng)IP核處理和第一個(gè)池化壓縮量化IP核處理后的輸出，作為控制所有i+1層神經(jīng)網(wǎng)絡(luò)單元中第二次卷積定點(diǎn)滑動(dòng)IP核的輸入；

所有i+1層神經(jīng)網(wǎng)絡(luò)單元的最終處理結(jié)果均輸入到全連接壓縮融合IP核進(jìn)行處理，實(shí)現(xiàn)目標(biāo)識(shí)別，所述全連接壓縮融合IP核的輸出即為AI神經(jīng)網(wǎng)絡(luò)系統(tǒng)的輸出。

神經(jīng)網(wǎng)絡(luò)單元的層數(shù)具體為：

當(dāng)只有1個(gè)傳感器輸入時(shí)，層數(shù)＝1；

當(dāng)有2個(gè)以上傳感器輸入時(shí)，層數(shù)＝i+1，i是傳感器數(shù)量的一半向下取整。

外部輸入的第一路傳感器信號(hào)，輸入到第一層神經(jīng)網(wǎng)絡(luò)單元中；第二路和第三路傳感器信號(hào)均送入第二層神經(jīng)網(wǎng)絡(luò)單元中，第四路和第五路傳感器信號(hào)均送入第三層神經(jīng)網(wǎng)絡(luò)單元中，以此類推，當(dāng)傳感器數(shù)量為奇數(shù)時(shí)，第2i路和第2i+1路傳感器信號(hào)均送入第i+1層神經(jīng)網(wǎng)絡(luò)單元中；當(dāng)傳感器數(shù)量為偶數(shù)時(shí)，第2i路傳感器信號(hào)送入第i+1層神經(jīng)網(wǎng)絡(luò)單元中。

卷積定點(diǎn)滑動(dòng)IP核對(duì)數(shù)據(jù)進(jìn)行卷積運(yùn)算，卷積定點(diǎn)滑動(dòng)IP核中包括2條緩存器，1條為權(quán)值緩存器，用于存儲(chǔ)權(quán)值，1條為數(shù)據(jù)緩存器，用于存儲(chǔ)傳感器輸入處理后的數(shù)據(jù)；

將權(quán)值緩存器存儲(chǔ)量化為2的指數(shù)次冪的固定權(quán)值，數(shù)據(jù)緩存器按時(shí)鐘周期移位緩存輸入數(shù)據(jù)；權(quán)值緩存器大小為CC乘以CR，數(shù)據(jù)緩存器大小為(CR-1)×IC+CC，其中，CC為卷積核列數(shù)，CR為卷積核行數(shù)，IC為輸入特征數(shù)列數(shù)；